易用方便,高效建模
1)使用门槛低,无需掌握SAS/Python编程语言亦可建模。
2) 自动帮助用户进行数据清洗、缺失值处理、 文本类特征编码等在线下处理比较耗时的数据前处理问题,提高了数据预 处理的效率;
3) 支持超参数和超参评估指标值联动的显示模式,用 户可以实时观测在每组超参数情况下的方案;
4)在自动调参功能的辅助下,省去了用户手动调参的工作,并且可以获得 效果更好的超参数;
丰富的可视化图表与友好的人机交互
1)平台自动生成数据画像、可以直观的呈现特征数据分布;
2)AUTO_ML 平台提供阈值和模型指标值联动,用户可以观测在不同阈值下, 模型各指标的取值情况,为用户进行 CUT_OFF_POINT 的选取带来方便。
丰富精准的评估结果报告
提供 ROC KS PR LIFT 特征重要性等曲线或Chart图,便于全面评估待部署模型
协作管理灵活高效
1)方便灵活的用户账号管理与数据权限管理
2)平台会自动生成并保存所有探索记录及训练结果,便于随时查看 分析,易于多人协作管理,提高工作效率。
充足的可扩展方案
1)输入输出组件灵活方便对接外部系统或数据方便灵活
2)针对大规模数据提供Spark大数据版本扩展方案
金融
贷款、信用卡;风险评估建模、 ABC评分卡;反欺诈建模
教育
效率预测;客户分析;个性化推荐;客户防流失
其他行业
数据分析与建模
AUTOML自动建模 | 人工建模 | |
---|---|---|
数据预处理 | 对应复杂数据问题游刃有余 | 复杂数据问题人工处理难度大,效果往往达不到预期 |
技术门槛 | 大大降低建模人员门槛 | 人员素质门槛高(招聘难度大、薪资成本高) |
建模效率 | 高,几小时~几天 | 低,几周~数月 |
模型质量 | 直达中高级人工建模水平,质量稳定 | 依赖人员技术,质量参差不齐 |
模型生命周期 | 长,且可预测 | 短,不稳定 |
集成化 | 高 | 依赖工具 |
模型管理 | 低 | 高(人员流动大、培训成本高) |
应用场景 | 多,扩展迅速 | 少,扩展缓慢 |